خوشه بندی داده های جریانی

خوشه بندی داده های جریانی یک مسئله یادگیری بدون ناظر است. با توجه به ویژگیهای داده های جریانی از جمله طول بینهایت و خصوصیت در حال تکامل بودن آنها، روشهای سنتی برای این مسئله قابل استفاده نیست. بنابراین نیاز به طراحی روش های جدید و سریعی است که به صورت کارا از حافظه استفاده کنند و همچنین امکان تشخیص تغییرات مفهوم را داشته باشند. در این مقاله به مرور روشهای مختلف فازی و سخت در خوشه بندی داده های جریانی می پردازیم. همچنین استراتژی های مختلفی را توضیح می دهیم که این روش ها برای مقابله با چالش های داده های جریانی به کار برده اند، از جمله استفاده از ساختار داده های ویژه برای خلاصه سازی داده و با به کارگیری مدل های مختلف پنجره زمانی برای اهمیت دادن به داده های اخیر.

کلیدواژه ها:

داده های جریانی ، خوشه بندی داده های جریانی ، الگوریتم های خوشه بندی فازی ، داده کاوی